基于BP神经网络的PID控制器在温控系统中的应用

工业中的温控对象普遍具有大时滞、非线性和时变性等特点,采用传统的PID控制器难以取得满意的效果。基于BP神经网络的PID控制器具有逼近任意非线性函数的能力,能实现对PID控制器的参数Kp,KI,KD的实时在线整定,使系统具有更好的鲁棒性和自适应性,其输出也可以通过在线调整达到预期的控制精度,适用于温控系统。实验结果表明,该控制器具有抗干扰能力强、鲁棒性好等特点。     

一种神经网络自适应PID控制器

应用人工神经网络的原理,设计了一种神经网络的职能PID控制器。仿真结果表明,此PID控制器对非线性时不变系统有比传统的PID好的控制效果。该控制器将神经网络和PID控制规律融为一体,既具有常规PID控制器结构简单、参数物理意义明确之优点,又具有神经网络自学习、自适应之能力,控制效果明显提高。     

模糊自适应控制器的设计及其仿真

提出了一种参数自适应模糊PID控制器,将模糊控制器和PID控制器结合在一起,利用模糊逻辑控制,并把MATLAB中的Fuzzy Toolbox和SIMULINK有机结合起来,实现了PID控制器参数在线自调整.进一步完善了PID控制器的性能,提高了系统的控制精度.仿真结果表明:该控制器明显改善了控制系统的动态性能,参数自适应模糊PID控制器能使系统达到满意的控制效果,对进一步应用研究具有很好的参考价值.     

基于T-S模型的模糊神经网络PID控制

针对在非线性、时变不确定系统中,常规PID控制器难以获得满意效果的问题,仿照传统PID控制器结构,设计了一种基于T-S模型的模糊神经网络PID控制器。该控制器基于T-S模糊模型,将PID结构融入模糊控制中,充分发挥了模糊系统非线性、可解释性的特点;然后又利用神经网络的学习算法,实现了对模糊控制器的参数调整,使控制器具有了适应时变、不确定系统的自学习和自组织能力。针对非线性、时变系统,将此控制器与传统PID控制器对比进行了仿真研究,并应用于啤酒发酵领域,其结果表明,该控制器取得了令人满意的效果。     

模糊PID控制器的设计及其仿真

对非线性大滞后等特殊的系统,存在常规PID控制器控制效果不甚理想的问题,为此结合模糊控制和常规PID控制二者的优点提出了模糊PID(Fuzzy-PID)控制方法.首先建立模糊规则、进行模糊推理,确定PID控制器的参数,再由PID控制器直接控制对象,实现实时控制的目的.将所设计的模糊PID控制器应用于具有大时滞,对大惯性的皮革温度收缩测定仪温度控制系统检测其性能,计算机仿真试验结果表明:Fuzzy-PID控制器与常规PID控制器相比较,确实提高了仪器温度控制系统的自适应能力和鲁棒性,改善了系统的动态性能和静态性能,能使非线性、大滞后等特殊的系统达到了良好的控制效果.     

微型燃气轮机的新型神经网络控制的研究

燃机控制系统是一种多变量、非线性、时变的系统,对微型燃气轮机的转速控制器进行了深入研究.PID控制应用广泛,但在实际应用中,其参数整定仍未得到较好的解决.因此,设计了一种新的神经网络PID控制器作为主控制器,通过神经网络所具有的任意非线性表达能力,可以通过对系统性能的学习来实现具有最佳组合的PID控制,确保系统的稳定性、快速性和准确性.大量的仿真证明,该算法具有良好的控制效果.     

温度控制系统模糊自适应PID控制器仿真研究

研究电机绝缘处理的过程中,针对烘干炉的温度控制具有非线性和大滞后的特点,常规的PID控制器和模糊控制器很难达到理想的控制效果,为保证温度系统的稳定性,把模糊控制和常规的PID控制结合起来,提出了模糊自适应PID控制器.首先建立了烘干炉温度控制系统的数学模型,确定了系统的输入输出量,建立了模糊控制规则,进行模糊推理,计算PID控制器的参数,可由PID控制器控制烘干炉的温度,采用计算机仿真结果表明,模糊自适应PID控制器与常规PID控制器相比较,提高了烘干炉温度控制系统的自适应能力和鲁棒性,改善了系统的动态性能和静态性能,能使非线性、大滞后等特殊的系统达到良好的控制效果.     

变参数PID控制器

在分析PID控制基本原理的基础上,提出了一种改进的PID控制器——变参数PID控制器 ．该控制器根据控制偏差的大小通过非线性函数在线改变PID三个控制参数的大小,以获得 满意的控制性能．本文给出了该控制器的三种结构,将这三种结构与常规PID控制器进行了 对比仿真实验,结果表明这三种结构的性能均优于后者．本文还就该控制器的抗干扰性能、 鲁棒性能、对非最小相位系统的适用性进行了仿真．仿真结果表明,该控制器性能良好．     

基于GA的闪蒸罐压力模糊自适应PID控制

针对加氢裂化中对闪蒸罐压力控制的非线性、滞后性等问题,本文提出一种基于遗传算法的模糊PID控制器,用于改善闪蒸罐压力控制效果。该控制器利用遗传算法优化模糊控制器的量化因子和比例因子,从而实现模糊PID控制器参数K_p、K_i、K_d的自适应调节。结果表明,优化后的模糊自适应PID控制器与常规PID控制器相比,提高了绝热闪蒸罐压力控制的自适应能力和鲁棒性,改善了系统的动态特性和静态性能,对非线性和时滞性的控制效果更好。     

模糊免疫PID算法在温度控制系统中的应用研究

该文针对温度控制系统非线性、大滞后、参数时变的特征,设计了模糊免疫PID控制器。该控制器结合了模糊逻辑、免疫机理以及PID调节的各种优点,既具有模糊控制的非线性作用,又具有免疫控制的自适应能力,同时还具有PID控制的广泛适用性。文章介绍了模糊免疫PID控制器的控制原理和设计方法,在Matlab中编写函数仿真,结果表明该控制器能够实现持续干扰情况下的闭环鲁棒稳定,并使系统呈现良好的动态和静态性能。     

基于自适应模糊神经网络控制器的网络控制系统

网络控制系统中存在着时延、丢包、网络干扰等问题。针对网络控制系统中存在恶化系统的控制性能,甚至导致系统不稳定的因素,提出了一种基于自适应模糊神经网络控制器的网络控制系统,它能根据系统的实际输出与期望输出误差,利用自适应模糊控制和神经网络自学习的原理进行控制参数的自行调整,以符合控制系统的实际要求,同时,分析了网络延时,丢包率及网络干扰因素对系统性能的影响。利用TrueTime工具箱建立了包含自适应模糊神经网络控制器的网络控制系统的仿真模型,并将其分别与基于常规PID控制器的网络控制系统和基于模糊参数PID控制器的网络控制系统进行了比较。实验结果表明,在相同的网络环境下,基于自适应模糊神经网络控制器的网络控制系统的控制效果比基于常规的PID控制器和基于模糊参数PID控制器的要好,且具有较好的抗干扰能力和鲁棒性能。     

神经网络PID工业温度控制系统研究

本文介绍了一种神经网络PID控制器,并将它与传统PID控制器、模糊控制器和神经网络控制器进行比较。神经网络PID控制器综合了PID控制器和神经网络控制器的优点并弥补了它们各自的不足之处。通过上述各种控制器在工业温度控制系统的仿真研究表明,神经网络PID控制器具有超调小,过度时间短,控制精度高的优点,对大滞后的温度控制系统有很好的控制效果。     

动态定量称重系统神经网络预测PID控制器研究

采用神经网络预测与PID控制理论相结合,为动态定量称重系统设计了一种神经网络预测PID控制器。该控制器算法简单,通过自学习、记忆功能在线调整PID控制参数KP、Kl、KD。建立了动态定量称重系统的仿真模型,将神经网络预测的PID控制与常规PID进行对比分析,神经网络预测PID控制器具有很好的控制效果。     

料筒温度RBF神经网络PID控制器设计及仿真

针对PID控制器具有参数整定不良、性能欠佳、温度控制精度较低,无法满足当今高精密挤出成型加工需要的问题,设计了一种基于RBF神经网络的PID控制器,该控制器将神经网络能无限地逼近非线性系统、运算量小、收敛快的优点和PID控制技术有机地结合起来,获得较高的温度控制精度。仿真结果表明,神经网络PID控制器能有效地缩短过渡过程时间,具有很好的稳定性和快速响应性,比普通PID控制具有更好的控制效果,可改善料筒温控系统的动、静态性能。     

基于模糊RBF神经网络的PID及其应用

针对传统的PID控制器参数固定而导致在控制中效果差的问题,提出一种基于模糊RBF神经网络智能PID控制器的设计方法。该方法结合了模糊控制的推理能力强与神经网络学习能力强的特点,将模糊控制与RBF神经网络相结合以在线调整PID控制器参数,整定出一组适合于控制对象的kp, ki, kd参数。将算法运用到电机控制系统的PID参数寻优中,仿真结果表明基于此算法设计的PID控制器改善了电机控制系统的动态性能和稳定性。     

基于神经网络的恒温控制系统的研究与设计

由于恒温控制的数学模型很难建立,针对这一难题提出了基于神经网络的PID控制器,侧重介绍了BP神经网络PID控制器算法的基本知识以及控制器的设计原理,通过实验仿真证明了神经网络PID控制器的控制效果比传统的PID控制在静态特性和动态特性方面都有所提高,而且具有较好的鲁棒性,该控制器在工业控制中将会发挥越来越大的作用.     

网络控制系统的自整定PID 控制器设计

结合广义预测控制（GPC）方法和PID反馈结构,设计了一种具有预测功能的PID控制器,PID参数根据未来时刻的预计输出误差进行整定.控制器导出多步控制序列,置于执行器端的延迟补偿器根据网络时延从控制序列中选择控制信息并作用于控制对象,从而对时延进行补偿,使控制性能得到极大改善.控制器结合了PID控制和预测控制的优点,具有较强的鲁棒性和工程意义.最后通过构造Lyapunov函数对闭环系统的稳定性进行了分析,并通过仿真验证了该算法的有效性.     

MDF施胶系统的神经网络逆复合控制器设计

针对中密度纤维板(MDF)施胶系统,在分析其物理特性的基础上,利用神经网络广义逆控制的方法设计出期望的伪线性系统,并结合经典控制理论,采用PID控制器作为该伪线性系统的闭环控制器.由神经网络广义逆系统与作为附加控制器的PID控制器结合在一起构成的控制器称作神经网络逆复合控制器.为验证该控制器的可行性,通过Matlab进...     

神经网络PID在温度控制系统中的研究与仿真

本文提出一种基于BP神经网络的新型智能PID控制方法和一些BP神经网络的基本概念。同传统的PID控制相比较．神经网络智能PID控制有许多优点。把BP神经网络的PID控制方法应用到工业领域的温度控制系统中，仿真结果表明：这种控制方法具有较高控制精度和较强的适应性以及良好的控制效果。     

基于BP神经网络PID控制的BLDCM调速系统

在分析无刷直流电机(BLDCM)数学模型的基础上,采用改进型BP神经网络与传统PID相结合作为速度控制器,应用于无刷直流电机调速系统中。在电机初始运行阶段采用传统PID控制,网络学习一段时间后,切换到经过改进的BP神经网络在线自整定PID控制。仿真研究表明,应用这种新型控制方式的无刷直流电机调速系统具有良好的动态性能和稳态精度。